Ekstraksi ciri citra merupakan tahapan mengekstrak ciri atau informasi dari objek di dalam citra yang ingin dikenali atau dibedakan dengan objek lainnya. Ciri yang telah diekstrak kemudian digunakan sebagai parameter atau nilai masukan untuk membedakan suatu objek dengan objek lainnya. Hasil identifikasi objek kemudian diklasifikasikan berdasarkan fitur gray level co-occurance matrix (GLCM) yang digunakan. Penelitian tugas akhir ini berkaitan dengan perhitungan ciri atau informasi dari citra jenis kanker melanoma dan non-melanoma menggunakan metode GLCM berdasarkan variasi nilai gray level 8, 16, 32, dan 64 serta sudut orientasi 4 arah dan 8 arah. Fitur GLCM yang digunakan yaitu angular second moment, contrast, correlation, entropy, inverse different moment dan variance, nilai-nilai ciri tersebut digunakan sebagai parameter atau nilai masukan untuk mengklasifikasi kanker pada metode artificial neural network (ANN). Data yang digunakan pada penelitian ini sebanyak 45 data citra yang terdiri dari 31 data citra melanoma dan 14 data citra non-melanoma. Untuk data training sebanyak 30 data citra yang terdiri dari 21 data citra melanoma dan 9 data citra non-melanoma, sedangkan untuk data testing berjumlah 15 data citra yang terdiri dari 10 data citra melanoma dan 5 data citra non-melanoma. Dari hasil eksperimen diperoleh hasil klasifikasi melanoma atau non melanoma dengan akurasi 100% pada metoda ANN dimana parameter neuron input adalah fitur-fitur GLCM yang diperoleh dari hasil perhitungan matrix co-occurance yang menggunakan: -Parameter sudut orientasi 4 arah dan gray level 4 serta serta parameter sudut orientasi 8 arah dan gray level 16. Ini membuktikan hipotesis yang menyatakan semakin besar nilai gray level maka akan mendapatkan nilai akurasi yang besar tidak diterima. Dengan kata lain, banyaknya gray level tidak berpengaruh terhadap hasil klasifikasi ANN tetapi dipengaruhi oleh arah sudut orientasi. Kata kunci: gray level co-occurrence matrix, kanker melanoma, artificial neural network.

Extraction of image's characteristic is a phase to extract information of an object from image that is recognized or different from other objects. The extracted characteristics are then used as parameter or input to differentiate an object from other objects, or as the identifier of the object. The result of object identification is categorized based on gray level co-occurance matrix feature. This research intends to calculate features or information of melanoma and non-melanoma cancer from an image using GLCM that is based on gray level of 8, 16, 32, and 64 and angle of orientation 4 direction and 8 direction. Angular second moment, contrast, correlation, entropy, inverse different moment and variance, and the characteristics are used as parameter or input to categorize cancer on artificial neural network (ANN) method. Data used in this research are 45 images data consist of 31 data of melanoma images and 14 non-melanoma images data. For data training, there are 30 image data consist of 21 data of melanoma image and 9 non-melanoma image data, while for data testing there are 15 image data consist of 10 data of melanoma image and 5 non-melanoma image data. From the experimental results obtained by the classification of melanoma or non melanoma with 100% accuracy on ANN method where the input neuron parameters are GLCM features obtained from the calculation of co-occurrence matrix which uses: -4-way orientation angle and gray level 4 parameters and angle orientation angle 8 and gray level 16 This proves the hypothesis that the greater the value of gray level it will get a large accuracy value is not accepted. In other words, the number of gray levels has no effect on the ANN classification results but is influenced by the orientation angle. Keywords: gray level co occurrence matrix, melanoma cancer, artificial neural network.

http://digilib.polban.ac.id/gdl.php?mod=browse&op=read&id=jbptppolban-gdl-rhezaghiva-8117